實驗組同對照組[1]係科學實驗上嘅受試者分組，當中實驗組指接受咗實驗操作嘅受試者，而對照組就係指冇接受實驗操作嘅受試者。研究者會對比實驗組同對照組，睇吓兩組受試者喺應變數上係咪有分別，如果有就表示個實驗操作真係有效。
舉個例說明，想像有個研究者，佢想研究一隻新藥（自變數）係咪能夠提升人嘅專注力（應變數），於是佢就搵咗若干個受試者返嚟，將佢哋分做兩組，實驗組俾佢哋試隻藥，而對照組就食一隻已知唔會影響專注力嘅藥（安慰劑），然後俾兩組受試者做一啲要求專注力嘅作業（假設有咗明確方法量度專注力），比較兩組喺專注力上嘅表現係咪有分別，如果有，就表示隻藥真係有效[2]。
依家做臨床試驗，試某隻新藥係咪有助降低血壓。研究人員將參與者隨機分配至兩組：
喺為期三個月嘅治療後，研究人員比較兩組嘅平均血壓變化。如果實驗組嘅血壓下降幅度顯著大過對照組，就可以初步認為新藥真係有效[3]。
經濟學家想研究最低工資上調對就業有乜嘢影響。研究比較兩個各條件相似嘅地區[註 1]，其中一個地區調高咗最低工資，而另一個就維持原有水平：
研究者觀察兩地喺政策實施前後嘅就業情況變化。如果實驗組出現顯著嘅就業下降，而對照組冇明顯變化，就可能顯示最低工資政策對就業真係有負面影響。
心理學家想知使用手機係咪會降低揸車嗰時嘅注意力。參與者被分為兩組[註 1]：
實驗測量佢哋喺模擬揸車過程中嘅反應時間同出錯幾多次。若果結果顯示實驗組反應比較慢而且犯錯更多，即可推論分心會削弱揸車嗰時嘅注意力。
做科學實驗嗰時，好多時會將參加者分成實驗組（接受某種處理，例如食新藥）同對照組（唔接受處理，可能只食安慰劑）。分析兩組數據嘅目的，就係想知道「處理」對結果有冇咩影響。簡單嚟講，如果研究人員發現實驗組有所改變而對照組咩變化都冇，就比較有信心話該項「處理」真係有影響。
實驗數據要點樣分析，就視乎數據性質而定。如果結果係數值（例如血壓），最常見嘅做法就係比較兩組嘅平均值，例如用t-測試或者ANOVA 噉。如果結果係分類（例如成功與失敗）就可以用卡方檢定嚟做比較[4]。
要分析呢啲數據，一個關鍵概念係統計顯著性，即係話觀察到嘅差異夠唔夠大，有冇可能只係偶然造成。喺廿一世紀初，如果結果顯示實驗組表現顯著優於對照組，而且可能性唔係純粹偶然（例如p 值 < 0.05）就比較有信心話「處理」有效[註 2]。
